متعة اللعب العائلي في «كراش بانديكوت 4... إتس أباوت تايم»

شخصيات ومراحل مبتكرة وممتعة لجميع أفراد العائلة... ومزايا جديدة لأنماط لعب متنوعة

مغامرة كونية ممتعة في لعبة «كراش بانديكوت 4»
مغامرة كونية ممتعة في لعبة «كراش بانديكوت 4»
TT

متعة اللعب العائلي في «كراش بانديكوت 4... إتس أباوت تايم»

مغامرة كونية ممتعة في لعبة «كراش بانديكوت 4»
مغامرة كونية ممتعة في لعبة «كراش بانديكوت 4»

تعود شخصية «كراش بانديكوت» الطريفة إلى عالم الألعاب الإلكترونية بعد مرور 22 عاماً على الإصدار السابق في القصة «Crash Bandicoot: Warped» وإطلاق عدة ألعاب جانبية عبر الأعوام، وذلك من خلال لعبة Crash Bandicoot 4: It’s About Time التي تقدم متعة اللعب العائلي.
وتقدم اللعبة تطويرات كثيرة في آلية اللعب، إلى جانب تقديم مستويات رسومات وصوتيات مبهرة. واختبرت «الشرق الأوسط» اللعبة قبل إطلاقها في المنطقة العربية، ونذكر ملخص التجربة.

عبر العوالم والأزمنة

بعد هزيمته في الجزء الثالث من السلسلة، يحاول «أوكا أوكا» الشرير تحرير الدكتورين Neo Cortex وNefarious Tropy من سجنهما في الماضي، الأمر الذي يمزق نسيج الزمان والمكان ويتسبب بدخوله في غيبوبة. ويهرب الدكتوران الشريران ويتركان «أوكا أوكا» مكانه، ويكتشفان أن الثقب الكوني الجديد عبارة عن بوابة للتنقل بين العوالم المتعددة، ويقرران احتلال جميع العوالم من خلال بناء مفاعل يستطيع فتح شقوق جديدة في الزمان والمكان، مستعينين بدكتورين شريرين هما N Gin وNitrus Brio لإعداد جيش لاحتلال تلك العوالم.
لكن «أكو أكو»، الشقيق التوأم لـ«أوكا أوكا» وحامي جزيرة «وومبا» وقدوة شخصية «كراش»، يستشعر اضطراب الزمان والمكان ويهرع لطلب المساعدة من «كراش». ولدى وصوله إلى قمة جبل جزيرة N Sanity، يجد واحداً من 4 أقنعة Quantum Masks الأثرية لديها قدرات كبيرة في التحكم بالزمان والمكان، وهي لا تظهر إلا لدى فتح بوابات عبر العوالم المتعددة. ويوافق «كراش» وأخته «كوكو» على خوض مغامرة عبر عدة عوالم للعثور على الأقنعة الخاصة الأخرى، وإصلاح المشكلات التي أحدثها الأشرار عبر العصور والعوالم المختلفة.
ويلتقي «كراش» وأخته مع شخصيات مختلفة عبر العوالم، منها صديقتهما «تاونا» Towna التي تعرض عليهم المساعدة خلال مغامرتها الخاصة بها. وفي الوقت نفسه، تجد شخصية «دنغودايل» Dingodile (شخصية تقاعدت من عالم الشر وقررت افتتاح مطعم خاص بها) نفسها في مواجهة الأشرار بعدما تسببوا بحرق المطعم ونقلوه إلى بعد آخر. وعلى الرغم من أن هذه الشخصية لا تتفاعل مع «كراش» بشكل مباشر في البداية، فإن أفعالها ستؤثر على مغامرة «كراش» وأخته عبر العوالم والأزمنة المختلفة.
ويجد «كراش» نفسه أمام معضلة كبيرة؛ حيث قرر الدكتور الشرير «إن تروبي» إعادة ترتيب العوالم المتعددة وإزالة «كراش» وأخته والأقنعة الخاصة منها بالكامل. ويتحد «كراش» مع مجموعة أعداء لن نذكر أسماءهم ونتركها للاعبين ليكتشفوها بأنفسهم، وذلك لتشكيل فريق متنوع القدرات لإعادة الترتيب إلى الكون وكل إلى عالمه وزمنه. لكن السؤال الجوهري هو؛ هل يستطيع الأشرار الذين تحالفوا مع «كراش» عدم الإخلاف بوعدهم؟

مزايا لعبة ممتعة

تضع اللعبة 5 شخصيات بمتناول يد اللعب خلال رحلتهم عبر الزمان والمكان في العوالم المتعددة، وتقدم نمطي لعب؛ الأول هو الكلاسيكي الذي يقدم عدداً محدوداً من المحاولات بعد الخسارة، بينما يسمح النمط الحديث للاعب بمعاودة المحاولة دون قيود، لكنه سيعرض عدد المرات التي خسر فيها اللاعب كل مرحلة، وذلك لتطوير آلية لعبه بعد الانتهاء من كل مرحلة.
وتقدم اللعبة نسختين مختلفتين من المراحل بمخاطرها وأعدائها المختلفين، هما نسخة القصة ونسخة الزمن الموازي. وتركز نسخة القصة على التحكم بشخصيتي «كراش» و«كوكو» بحركاتهما المتشابهة، والتي يمكن الاستعانة فيها بالأقنعة الخاصة التي يمكن العثور عليها خلال مجريات اللعب بصحبة قوى خاصة للتنقل والتفاعل مع العقبات بطرق مبتكرة، مثل إزالة العقبات من الوجود أو إعادتها إليه.
أما النسخة الثانية، فتركز على التحكم بشخصيات الدكتور «نيو كورتيكس» و«دنغودايل» و«تاونا» التي تقدم قدرات مختلفة لتجاوز العقبات وإكمال المراحل. ويمكن لشخصية الدكتور «نيو كورتيكس» استخدام مسدس أشعة خاص لتحويل الأعداء إلى منصات، «منها الثابت، ومنها الذي يزيد من ارتفاع القفزات» ويمكن استخدامها لتجاوز العقبات، بينما تستخدم شخصية «دنغودايل» مسدساً لإيجاد فراغ يمتص الأعداء والعقبات نحوه أو امتصاص طلقات الأعداء والتحكم بها، مع استخدام «تاونا» خطافاً لضرب الأعداء عن بُعد، إلى جانب استخدامها بعض القدرات الموجودة في شخصيتي «كراش» و«كوكو».
وتقدم المراحل مجموعة من الجواهر الظاهرة والمخفية التي يمكن جمعها. وإن جمع اللاعب جميع الجواهر، فسيحصل على ملابس جديدة لـ«كراش» و«كوكو» يمكن استبدالها في أي وقت داخل اللعبة. كما يمكن جمع تسجيلات VHS القديمة في المراحل لفتح بعض المراحل الكلاسيكية الإضافية التي تدور أحداثها قبل مجربات الإصدار الأول من اللعبة.
ويمكن التنقل بين المراحل عبر خريطة موجودة في شاشة عالم اللعبة، إلى جانب توفير نمط لعب خاص اسمه N Verted يعكس المراحل ويقدم خصائص فريدة به تشمل إغراق المرحلة بالمياه، أو تحويل المرحلة إلى رسم بالأبيض والأسود، يجب إضافة الألوان إليه من خلال مجريات اللعب.

مواصفات تقنية

رسومات اللعبة جميلة جداً وتنبض بالألوان، ورسومات تحرك الشخصيات Animation سلسة ومليئة بالحركات اللطيفة والطريفة. وتصاميم الأعداء تجلب البسمة، مع تقديم مؤثرات بصرية مبهرة تستغل قدرات أجهزة الألعاب وتبهر اللاعبين. وسيُعجب اللاعبون بتصاميم المراحل والشخصيات، وخصوصاً النسخ الموازية للمراحل التي تقدم تغييرات على التصاميم. موسيقى اللعبة مثيرة للحماس وتجلب الطاقة للاعبين، الأمر الذي قد يجعل بعضاً منهم يتحمسون بشكل كبير ويخاطرون لدى القفز بين المنصات، وهي لحظات طريفة ومليئة بالأوقات الممتعة لجميع أفراد العائلة.

معلومات عن اللعبة

> الشركة المبرمجة: «تويز فور بوب» Toys for Bob
> الشركة الناشرة: «آكتيفيجن»Activision www.activision.com
> موقع اللعبة على الإنترنت: www.crashbandicoot.com
> نوع اللعبة: منصات Platforming
> أجهزة اللعب: «بلايستيشن 4» و«إكس بوكس وان»
> تاريخ الإطلاق: 10-2020
> تصنيف مجلس البرامج الترفيهية ESRB: لجميع من هم أكبر من 10 أعوام «E 10+»
> دعم للعب الجماعي: نعم



دراسة جديدة: نماذج الذكاء الاصطناعي اللغوية تفتقر لفهم حقيقي للعالم

بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)
بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)
TT

دراسة جديدة: نماذج الذكاء الاصطناعي اللغوية تفتقر لفهم حقيقي للعالم

بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)
بحسب الدراسة أظهرت نماذج الذكاء الاصطناعي أنها لا تتعلم بالفعل الحقائق الكامنة عن العالم (أدوبي)

أظهرت نماذج اللغة الكبيرة (LLMs)، مثل النماذج التي يقوم عليها نموذج «GPT-4»، قدرات مذهلة في توليد النصوص، سواء أكان ذلك في كتابة الشعر، أو تأليف المقالات، حتى تقديم حلول برمجية. تُدرَّب هذه النماذج، المعتمدة على بنى معمارية متقدمة تُعرف باسم «المحوّلات» (Transformers)، على توقع تسلسل الكلمات، ما يمكّنها من الاستجابة للمطالبات بطرق تحاكي فهماً يشبه البشري. ومع ذلك، تشير أبحاث حديثة إلى أن هذه النماذج، على الرغم من قدراتها المثيرة للإعجاب، قد لا تتعلم بالفعل الحقائق الكامنة عن العالم.

خريطة لمدينة نيويورك الأميركية (أدوبي)

التنقل في مدينة نيويورك دون خريطة

في دراسة حديثة قادها آشِش رامباتشان، أستاذ مساعد في الاقتصاد وباحث في مختبر نظم المعلومات واتخاذ القرار بمعهد ماساتشوستس للتكنولوجيا (LIDS)، قام الباحثون باختبار مدى قدرة نموذج لغوي مبني على «المحوّلات» على التنقل في مدينة نيويورك. وبينما أظهر النموذج دقة عالية في تقديم توجيهات دقيقة خطوة فخطوة عبر شبكة شوارع المدينة، تراجع أداؤه بشكل كبير عندما تمت إضافة عراقيل مثل إغلاق بعض الشوارع والتحويلات.

وعندما حلّل الباحثون أنماط التنقل التي أنتجها النموذج، اكتشفوا أن «خرائط» مدينة نيويورك التي كوّنها النموذج كانت تحتوي على مسارات غير واقعية، مثل شوارع غير موجودة وروابط غير دقيقة بين تقاطعات متباعدة. هذا الاكتشاف أثار تساؤلات حول حدود هذه النماذج، خاصة في البيئات التي تتطلب دقة كبيرة.

التداعيات في العالم الحقيقي

تنطوي هذه القيود على تداعيات هامة. فعلى الرغم من أن نماذج الذكاء الاصطناعي تبدو قادرة على التعامل مع مهام معقدة، فإن أداءها قد يتراجع بشكل كبير عندما تتغير المتغيرات البيئية، ولو بشكل بسيط. على سبيل المثال، قد يتمكن النموذج من التنقل في خريطة ثابتة لمدينة نيويورك، لكنه يتعثر عند مواجهة تحديات غير متوقعة، مثل إغلاق الشوارع. ويحذر فريق البحث من أن استخدام هذه النماذج في تطبيقات حقيقية قد يؤدي إلى فشل غير متوقع إذا واجهت سيناريوهات خارجة عن بيانات التدريب.

لعبة «أوثيللو» هي لعبة ألواح استراتيجية يشارك فيها لاعبان يلعبان على لوح مقسم إلى 8 × 8 مربعات غير مختلفة اللون (أدوبي)

مقاييس لتقييم الفهم

لمزيد من التعمق في مدى قدرة نماذج الذكاء الاصطناعي على تكوين «نماذج للعالم»، أي تمثيلات داخلية للقواعد والهيكليات، طوّر الفريق مقياسين جديدين للتقييم، هما «تمييز التسلسل» و«ضغط التسلسل».

يقيس «تمييز التسلسل» قدرة النموذج على التمييز بين سيناريوهات مختلفة، مثل تمييز موضعين مختلفين على لوحة لعبة «أوثيللو». ويقيّم المقياس ما إذا كان النموذج يفهم أن مدخلات مختلفة تحمل دلالات مختلفة.

أما مقياس «ضغط التسلسل» فيقيّم قدرة النموذج على إدراك الحالات المتطابقة، مثل وضعين متطابقين على لوحة لعبة «أوثيللو»، ويفهم أن خطوات التحرك التالية من كل وضع يجب أن تكون متشابهة.

قام الفريق باختبار هذه المقاييس على فئة معينة من المسائل تشمل تسلسلاً محدداً من الحالات والقواعد، مثل التنقل في شبكة شوارع أو لعب «أوثيللو». من خلال هذه التقييمات، سعى الباحثون لفهم ما إذا كانت النماذج قد طوّرت بالفعل نماذج منطقية للعالم.

العشوائية قد تؤدي إلى فهم أعمق

كشف البحث عن نتيجة غير متوقعة، حيث أظهرت النماذج التي دربت على تسلسلات عشوائية قدرة أكبر على بناء نماذج داخلية دقيقة مقارنة بتلك التي دربت على بيانات منظمة. على سبيل المثال، في لعبة «أوثيللو»، كانت النماذج المدربة على حركات عشوائية قادرة على التعرف على جميع الحركات الممكنة، حتى الحركات غير المثلى التي لا يلجأ إليها اللاعبون المحترفون.

وأوضح كيون فافا، الباحث الرئيسي وأستاذ زائر في جامعة هارفارد، أنه «من الناحية النظرية، عندما يتم تدريب النموذج على حركات عشوائية، فإنه يرى مجموعة كاملة من الاحتمالات، بما في ذلك الخيارات غير المحتملة». ويبدو أن هذا التعرض الواسع «يساعد النموذج في تكوين نموذج أكثر دقة للعالم، وإن لم يلتزم بالأسلوب الأمثل».

ورغم هذه النتائج، لم يستطع أي من النماذج تكوين نموذج منطقي متكامل للعالم في مهمة التنقل. وعندما أضاف الباحثون تحويلات إلى خريطة نيويورك، فشلت جميع النماذج في التكيف. وأشار فافا إلى أن «التراجع في الأداء كان مفاجئاً؛ إغلاق واحد في المائة فقط من الشوارع تسبب في انخفاض الدقة بشكل حاد، من أداء شبه مثالي إلى 67 بالمائة فقط».

تراجع أداء نماذج الذكاء الاصطناعي بشكل كبير عندما تتغير المتغيرات البيئية ولو بشكل بسيط (أدوبي)

بناء نماذج للعالم موثوقة

تسلط نتائج هذه الدراسة الضوء على تحدٍ كبير، يتمثل في أنه عندما تبدو المحوّلات قادرة على أداء مهام معينة، فإنها قد تفتقر إلى الفهم الأساسي للقواعد. وشدّد رامباتشان على ضرورة الحذر، قائلاً: «غالباً ما يفترض الناس أنه بما أن هذه النماذج تحقق نتائج رائعة، فلا بد أنها طوّرت فهماً جوهرياً للعالم. لكن دراستنا تشير إلى أننا بحاجة إلى النظر في هذا الافتراض بعناية وعدم الاعتماد على الحدس فقط».

ويخطط الباحثون لتوسيع دراستهم لتشمل تحديات أكثر تعقيداً حيث قد تكون القواعد غير معروفة كلياً أو متغيرة. وباستخدام مقاييسهم التقييمية على هذه المجالات، يأملون في فهم حدود نماذج الذكاء الاصطناعي بشكل أفضل وتوجيه تطويرها في المستقبل.

تداعيات أوسع وأهداف مستقبلية

تتجاوز تداعيات هذا البحث فهم العالم الافتراضي، وتمس التطبيقات العملية. إذا كانت نماذج الذكاء الاصطناعي غير قادرة على تكوين نماذج داخلية دقيقة للعالم، فإن ذلك يثير تساؤلات حول استخدامها في مجالات تتطلب منطقاً دقيقاً، مثل القيادة الذاتية، والأبحاث العلمية، والتخطيط اللوجستي. ويقول الباحثون إن الحاجة ملحة لإعادة التفكير في كيفية تدريب هذه النماذج وتقييمها لتكون أكثر تكيفاً وموثوقية.

هذا البحث مدعوم من قبل عدة مؤسسات، بما في ذلك مبادرة علوم البيانات في جامعة هارفارد، ومؤسسة العلوم الوطنية، ومؤسسة ماك آرثر. سيتم عرض الدراسة في مؤتمر نظم معالجة المعلومات العصبية، حيث سيواصل الباحثون مناقشة تعقيدات نماذج الذكاء الاصطناعي واستكشاف مسارات جديدة لتطويرها.